当构建成本为零时，该做什么?

AI 已经让开发成本越来越低，为什么我们还是不知道该做什么？

**AI 降低的是构建成本和寻找机会的成本，并没有降低完成商业闭环的成本。**真正应该寻找的不是一个“看起来有护城河的创意”，而是一笔现在就能成交、能够重复，并且会逐渐积累优势的交易。

阅读原文

一、开发便宜了，最后一公里没有

AI 可以快速生成代码、内容和方案，但一个真实业务还包括：

• 找到客户并取得信任；
• 理解没有文档的工作流程；
• 接入客户现有系统；
• 改变客户的工作习惯；
• 处理各种异常情况；
• 承担交付责任；
• 收款、售后和持续运营。

这些事情并没有因为 AI 而自动变便宜。

文章引用 McKinsey 的数据：88% 的受访企业已经在业务中经常使用 AI，但只有39%表示 AI 对企业 EBIT 产生了影响。

因此，真正的问题不再是：

我能做出什么？

而是：

我能赢下什么交易？反复赢下这种交易以后，我会积累什么？

对应章节：Building got cheap, the last mile didn’t

二、先选择自己玩的游戏

文章把创业分成三种完全不同的游戏：

1. 现金流生意

   目标是持续、重复地获得付费交易，不一定需要强大的长期护城河。地域、人脉、便利性、客户惰性和优秀运营，都可能让你长期赚钱。

2. 长期经营的公司

   重点是：每增加一个客户，是否会积累数据、信任、品牌、集成关系或工作流控制权。

3. VC 规模的公司

   目标是成为某个品类的超级赢家，需要考虑巨大市场、幂律回报和垄断性。

不能拿 VC 的“持久护城河”要求去否定一门不错的现金流生意，也不能拿独立开发者“跟着付费走”的方法去判断一个长期风险投资项目。

在选择方向前，应该先明确目标收入、首次收入时间、投入资本、最长销售周期、运营复杂度，以及对监管和责任风险的承受能力。

对应章节：Decide which game you’re playing

三、六个容易误导开发者的创业直觉

文章反驳了六种听起来很聪明的观点：

1. “开始之前必须找到护城河”

   早期公司通常没有护城河，只有一个切入口和待验证的假设。更应该问：每增加一位客户，什么东西会变得更强？

2. “按结果收费就一定利润高”

   按结果收费只是把输入质量、返工、人工审核、责任和归因风险转移给了你。只有结果明确、可衡量、可审计并且异常较少时，它才可能高利润。

3. “工具地位弱，必须拥有最终结果”

   真正的区别不是工具与结果，而是你是一个控制点，还是一个可以被替换的参与者。记录系统、账本、授权层和审批入口，即使只是工具，也可能占据价值链的核心位置。

4. “拥有受众就等于拥有护城河”

   社交平台上的关注者通常是租来的。真正可靠的是一套可重复的获客流程：触发事件、可接触买家、可信信息、转化、留存和转介绍。

5. “只去资金已经流动的地方”

   现有支出更容易产生现金流，但也容易把产品限制在旧工作流里。新需求风险更高，却可能产生新的品类级公司。

6. “只能从自己已有的优势出发”

   现有优势可以降低探索成本，但不应该成为边界。专业知识、行业关系和客户渠道，都可以通过学习、合作及亲自参与一线工作建立起来。

对应章节：Six instincts that feel smart and cost you money

四、作者给出的核心方法：付费切入口锦标赛

不要坐在家里比较三个创业想法，而是让三个方向用真实证据竞争你的投入。

具体方法是：

1. 找到三个具有“交易形状”的问题

一个好问题应该具备：

• 明确的触发事件；
• 明确的负责人和付费者；
• 可以衡量的完成状态；
• 会频繁重复；
• 失败会造成实际损失；
• 可以获得必要数据；
• 错误能够被发现。

“帮企业改善营销”不是一个好的交易形状。

“在三分钟内响应每条有效线索，生成合规报价并预约现场检查”才是。

2. 先卖服务，不要先开发产品

针对三个方向，先用“人工＋AI”完成交付。

只承认真正的需求证据：

• 客户付款；
• 提供系统访问权限；
• 提供真实业务数据；
• 作出具有约束力的运营承诺。

问卷、称赞、候补名单和口头表示感兴趣，都不算强证据。

3. 记录交付中难看的部分

重点记录：

• 外联到付费试点的转化率；
• 成交需要多长时间；
• 扣除人工审核后的真实毛利润；
• 每笔交易产生多少异常；
• 返工和售后需要多少时间。

4. 通过四道门筛选

• 拉力：客户是否很快愿意付费？
• 经济性：扣除返工、异常和责任成本后是否赚钱？
• 可重复性：同一报价和渠道能否获得接下来十位客户？
• 复利性：交付是否积累数据、信任、集成、转介绍或控制权？

最后，只开发重复交付过程中暴露出的瓶颈，不要一开始做完整产品。

对应章节：Paid-wedge tournament

五、最重要的指标：异常经济学

文章认为，判断 AI 生意能不能成立，最重要的不是模型准确率，而是剩余异常的成本。

AI 能完成95%的工作，不一定代表产品有价值：

• 如果剩余5%很容易发现、处理成本很低，产品可能非常赚钱；
• 如果剩余5%悄无声息、后果严重，还需要专家处理，整个模式可能无法成立。

所以要观察：

• 每笔交易的异常数量；
• 人工审核时间；
• 返工率；
• 漏报成本；
• 处理异常需要什么级别的人员；
• 随着规模增长，异常率是否下降。

如果业务增长了，人工处理和异常成本却没有下降，那么所谓的“AI 软件公司”，可能只是一家成本结构更差的人力服务公司。

对应章节：Exception economics

六、作者最后给出的行动方案

文章建议你下周就做五件事：

1. 写清楚自己玩的是现金流、长期经营还是 VC 游戏；
2. 列出三个你能接触到买家的“交易形状”问题；
3. 为最强的方向设计一个人工交付的付费服务；
4. 向真实客户索要付款、数据或系统访问权限；
5. 亲自完成交付，记录异常，只开发反复出现的瓶颈。

一句话总结

AI 没有替你回答“应该开发什么”，而是大幅降低了寻找答案的成本。不要继续空想创意和护城河，用三个可证伪的付费实验寻找真实需求，再把交付过程中最影响效率、利润和规模化的环节做成产品。

我认为文章最有价值的地方，是把产品开发顺序倒了过来：

不是“发现创意→开发产品→寻找客户”，而是“找到交易→人工交付→测量异常→开发瓶颈→逐渐产品化”。